DeepSeek vient de sortir la version finale de son gros modèle, sobrement baptisée V4 Pro 0813. Concrètement, le flagship de la firme chinoise quitte le statut de préversion et devient un produit sur lequel on peut s'appuyer : poids disponibles sous licence MIT, contexte d'un million de jetons et capacités d'agents annoncées en hausse. Pas besoin d'être développeur pour comprendre l'intérêt, mais il faut rester honnête sur ce qu'on peut réellement en faire chez soi.
La préversion devient la version officielle
Le suffixe 0813 renvoie à la date de cette généralisation : depuis le 12 août, l'API officielle sert le modèle sous le nom deepseek-v4-pro, sans changement d'appel pour les développeurs. DeepSeek met en avant des capacités d'agents nettement renforcées, c'est-à-dire la capacité du modèle à utiliser des outils, enchaîner des étapes et mener une tâche longue jusqu'au bout.
Pour l'utilisateur, la différence est simple : ce n'est plus un prototype à surveiller, c'est un modèle de production. Les outils d'assistance au code comme Claude Code, GitHub Copilot ou OpenCode l'acceptent directement en moteur de raisonnement. Tu changes un réglage, tu bascules sur DeepSeek, et tu continues à travailler normalement.
Un contexte géant et un prix serré
Le modèle est un mixture-of-experts : 1,6 trillion de paramètres au total, mais seulement 49 milliards activés à chaque étape. Ce mécanisme limite le travail nécessaire à chaque réponse, ce qui explique en partie le tarif : 0,435 dollar par million de jetons en entrée et 0,87 dollar en sortie, avec un cache de lecture presque gratuit. Pour une tâche donnée, la facture reste nettement inférieure à celle des gros modèles propriétaires.
La fenêtre de contexte atteint un million de jetons, l'équivalent d'environ 1 500 pages A4. En clair : tu peux lui coller une documentation entière, un gros dépôt de code ou une longue série de fichiers sans découper le travail en tranches. Pour les tâches longues, c'est le genre de confort qui change vraiment l'usage.
Ce que disent les tests indépendants
Sur l'indice d'intelligence d'Artificial Analysis, le modèle obtient 53 sur 100 et se classe deuxième parmi les modèles à poids ouverts de sa taille, devant la majorité des concurrents. Côté raisonnement scientifique, il atteint 88,8 % sur GPQA Diamond, un test de niveau post-bac réputé difficile. Il génère aussi ses réponses à environ 83 jetons par seconde, soit plus vite que la moyenne des modèles comparables.
Source : rapport technique DeepSeek-V4, arXiv 2606.19348 — https://arxiv.org/abs/2606.19348
Reste que les benchmarks donnent un ordre de grandeur, pas une promesse. Le modèle est verbeux : sur l'indice d'intelligence, il produit davantage de jetons que la moyenne pour arriver à ses conclusions. Et comme tous ses semblables, il peut se tromper avec assurance. Un bon score ne remplace jamais une vérification sur ton cas précis.
À qui ça sert vraiment ?
Pour les équipes, c'est une alternative crédible aux API propriétaires : les poids sont publics sous licence MIT, ce qui permet d'héberger le modèle soi-même et de garder les données sous contrôle. Pour le particulier, l'accès le plus simple reste un fournisseur comme OpenRouter, qui expose le modèle sans rien installer. L'analyse de gros documents, l'assistance au code et les agents capables de suivre une tâche sur la durée sont les usages les plus convaincants.
Attention à ne pas rêver : faire tourner 1,6 trillion de paramètres chez soi relève du serveur, pas du mini-PC. L'ouverture concerne les poids et la licence, pas la disparition des contraintes matérielles. Le modèle reste également limité au texte : pas de vision, pas d'image en entrée.
Les limites à garder en tête
Un modèle ouvert n'est pas un modèle inoffensif. S'il est conçu pour utiliser des outils et agir à ta place, il faut l'isoler, limiter ses accès et contrôler ses sorties. La licence MIT facilite la redistribution, mais elle ne dit rien sur la transparence de l'entraînement ni sur les données utilisées. Ouvert ne veut pas dire auditable de bout en bout.
Au final, DeepSeek V4 Pro 0813 n'est pas un gadget de plus : c'est le passage en production d'un modèle ouvert qui se bat dans la cour des géants, avec un contexte énorme et un prix contenu. Pour les équipes, c'est une vraie liberté de choix. Pour toi, le plus simple est de le tester via une API ou un outil compatible. Les modèles ouverts gagnent du terrain, et celui-là vient de franchir un palier.
Sources
DeepSeek, documentation officielle de l'API : https://api-docs.deepseek.com/
OpenRouter, fiche du modèle DeepSeek V4 Pro 0813 : https://openrouter.ai/deepseek/deepseek-v4-pro-0813
Artificial Analysis, analyse indépendante du modèle : https://artificialanalysis.ai/models/deepseek-v4-pro
Hugging Face, fiche officielle DeepSeek-V4-Pro sous licence MIT : https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro
DeepSeek, rapport technique DeepSeek-V4 : https://arxiv.org/abs/2606.19348
Discussion Hacker News autour de la sortie : https://news.ycombinator.com/item?id=49274600
—
Recherche, relecture et illustration assistées par IA. Le contenu reflète le travail éditorial de la rédaction.
No comments yet